AI晶片終極大戰悄然開打，國產晶片企業能否「彎道超車」？

賽靈思宣布收購深鑒科技，AI晶片領域收購整合可能已經開始

2018 年 7 月 18 日——自適應和智能計算的全球領導企業賽靈思公司（Xilinx, Inc.，(NASDAQ:XLNX)）今天宣布已經完成對深鑒科技的收購。

深鑒科技是一家總部位於北京的初創企業，擁有業界領先的機器學習能力，專注於神經網絡剪枝、深度壓縮技術及系統級優化。

自 2016 年成立以來，深鑒科技就一直基於賽靈思的技術平台開發機器學習解決方案，兩家公司合作密切。

經深鑒科技優化的神經網絡剪枝技術運行在賽靈思 FPGA 器件上，可以實現突破性的性能和行業最佳的能效。

從2017年開始，賽靈思就已經與全球其它知名投資機構一起成為了深鑒科技的主要投資者。

深鑒科技 CEO (執行長)姚頌表示：「我們非常高興能夠進一步深化深鑒科技與賽靈思的合作，讓雙方能夠更加緊密地聯手為中國乃至全球用戶提供領先的機器學習解決方案。

」

深鑒科技 CTO (首席技術官)單羿表示：「作為早期投資者之一，賽靈思一路陪伴深鑒科技共同發掘機器學習的潛力，並見證了我們在這一領域的創新與發展。

我們期待通過此次交易，合力將我們的機器學習解決方案提升到一個全新的性能水平。

」

實際上，收購的消息早已在業界流傳。

就在6月26日，深鑒科技也是頗為突然地對外宣布，已經完成面向自動駕駛/高級輔助駕駛領域的技術整合及商業布局，實現了方案落地及產品轉化，正式加入自動駕駛賽道。

當時，深鑒科技宣布他們在高級輔助駕駛和自動駕駛領域內已經具備實質性技術轉化及商業落地能力，號稱要著力打造晶片級高級輔助駕駛系統解決方案，證據是推出了基於FPGA的車載深度學習處理器平台——DPhiAuto，並已經與日本、北美、歐洲和國內知名汽車主機廠商及一級供應商簽署了合作。

根據官方介紹，深鑒科技基於FPGA的車載深度學習處理器平台DPhiAuto，是面向高級輔助駕駛和自動駕駛的嵌入式AI計算平台， 可為高級輔助駕駛系統提供車輛檢測、行人檢測、車道線檢測、語義分割、交通標誌識別、可行駛區域檢測等深度學習算法功能，是一套針對計算機視覺環境感知的軟硬體協同產品。

關於賽靈思

賽靈思（Xilinx, Inc.；NASDAQ：XLNX）致力於通過開發高度靈活和自適應的處理平台，加速從端點到邊緣再到雲端各個應用領域的技術創新。

賽靈思是 FPGA、硬體可編程 SoC 及 ACAP 的發明者，旨在為業界提供最具活力的處理器技術，實現高度靈活、智能互聯的未來世界。

全球AI晶片排行：英偉達第一 華為海思國內最強

不久前，市場研究顧問公司Compass Intelligence對全球100多家AI晶片企業進行了排名，前三名為英偉達（Nvidia）、英特爾（Intel）以及恩智浦（NXP）;華為海思第12名，成中國大陸地區最強晶片廠商。

Compass Intelligence將排名的前15名稱為「A-List」，谷歌、蘋果、三星也在A-List中。

中國的企業中，除了華為海思，還有寒武紀和地平線也分別以22名、24名進入榜單。

該榜單的評分標準包括：

• 供應商指標（30分）：公司收入和AI收入（或範圍）；併購可能性；員工或資源；增長潛力；商業化年份。
  
  
• 產品和客戶指標（30分）：產品組合實力；功能實力；創新水平；客戶成功案例；市場覆蓋率；品牌實力。
  
  
• 經濟指標（25分）：市場寬度；潛在市場；可獲得市場；彈性水平；市場份額。
  
  
• 其他（共15分）：領導力；近期新聞和活

還有哪些AI晶片創企值得關注？

除了榜單內提到的企業，Compass Intelligence還在報告中提到了值得關注的AI晶片創業公司，其中包括來自中國的深鑒科技、比特大陸、異構智能、啟英泰倫、ThinkForce、耐能等等。

中國AI晶片公司發展情況

華為海思(HiSilicon)——麒麟970

2004年10月華為創辦海思公司，它的前身是華為集成電路設計中心，這也正式拉開了華為的手機晶片研發之路。

2009年華為推出了第一款面向公開市場的K3處理器，定位跟展訊、聯發科一起競爭山寨市場，華為自己的手機沒有使用。

因為K3產品不夠成熟以及不適的銷售策略，這款晶片並沒有成功。

這也是國內第一款智慧型手機處理器。

2012年華為海思推出K3V2處理器，這一次用在了自家手機中，而且是定位旗艦的Mate 1、P6等機型。

2012年手機處理器已經開啟多核進程， K3V2成為了世界上第二顆四核處理器。

而後，麒麟910是海思的第一款SoC（片上系統），如果說CPU是手機大腦，那SoC就是集成身體各種機能並給它們分配任務的系統，一個移動SoC除了CPU還包括基帶（Baseband）、圖形處理器（GPU）、數位訊號處理器（DSP）、圖像信號處理器（ISP）等重要模塊。

經過十幾年的發展，2017年9月，華為在德國柏林國際電子消費品展覽會（IFA）上正式推出其第一款新 AI 晶片 「麒麟970」（Kirin 970）。

麒麟970採用行業高標準的 TSMC 10nm 工藝，在指甲大小的晶片上，集成了55億個電晶體，功耗降低了20%，並實現了1.2Gbps 峰值下載速率。

麒麟 970集成 NPU 專用硬體處理單元（寒武紀IP），創新設計了 HiAI 移動計算架構，其 AI 性能密度大幅優於 CPU 和 GPU。

相較於四個 Cortex-A73核心，處理相同 AI 任務，新的異構計算架構擁有約50倍能效和 25倍性能優勢。

而且，華為第二代AI晶片海思麒麟 980也將在本季度正式量產，採用台積電 7nm 製程工藝。

這款處理器將配置第二代 NPU，在前代的基礎上，支持更多的場景應用，NPU 的性能提升 2 倍以上。

聯發科（MediaTek）——曦力P60

相比其他晶片廠商，聯發科進入AI晶片領域的步伐稍微慢了一些。

直到今年3月，這家台灣晶片廠商才發布了首款內建AI功能的晶片曦力P60。

據聯發科介紹，曦力P60首次內置了專門用作AI運算的APU，搭載了NeuroPilot AI技術，這是一個獨立的NPU單元，通過CPU、GPU、APU進行異構運行，可以提供從入門到高級的完整API支持和開發者工具包，具備性能以及功耗優化、可移植性和客制化等特點。

在產品性能上，曦力P60採用了ARM的4個Cortex A73 及 4 個A53 的 8 個大小核心架構，效能相較上一代產品 Helio P23 與 P30 產品，CPU及 GPU 性能均提升達 70%。

同時，由於製程工藝的提升，相較於上一代，執行大型遊戲時的功耗降低25%，大幅延長手機電池的使用時間。

據聯發科技無線通信事業部總經理李宗霖透露，Helio P60融合了來自騰訊、商湯、虹軟、曠視等多家人工智慧廠商的方案，在手機安全、拍照、人臉辨識等方面均做到了業界先進水平。

Imagination——PowerVR NNA

Imagination原本是一家英國晶片企業，曾經是蘋果公司的GPU供應商。

2017年3月，Imagination被蘋果拋棄，公司股價一夜之間下跌超7成。

半年後，中國私募資金凱橋資本Canyon Bridge出資5.5億英鎊（約49億元人民幣）將其收購。

但是，Imagination的MIPS CPU業務因受美國政府干涉被剝離，沒有一起被Canyon Bridge收購。

被收購後，Imagination公司CEO由李力游出任，李力游此前曾任展訊的董事長，後展訊被紫光收購，李力游出任紫光集團聯席總裁。

除了GPU以外，Imagination在2017年9月就推出了面向人工智慧應用的硬體IP產品PowerVR NNA神經網絡加速器。

目前，Imagination公司主要有三大產品線，即GPU、神經網絡加速器、連接與通信通信類IP Ensigma。

寒武紀（Cambricon）AI晶片

寒武紀科技創立於2016年3月，由陳天石、陳雲霽兄弟聯合創辦。

是全球第一個成功流片並擁有成熟產品的智能晶片公司，擁有終端和伺服器兩條產品線。

公司脫胎於中科院計算機所的一個課題小組，最早可以追溯到2008年中科院計算機所成立的10人計算研究團隊。

寒武紀團隊成員不僅有中科院技術精英，也有中國首個通用CPU龍芯一號的核心參與人員。

課題小組2009年將人工智慧應用於處理器設計驗證；2011年團隊與南京大學周志華合作，將AI應用於處理器架構優化，提升處理器性能；2013年研發全球首個深度學習處理器架構DianNao，獲得ASPLOS 2014最佳論文；2014年，團隊推出全球首個多核深度學習處理器架構DaDianNao，再次獲得MICRO 2014最佳論文；2015年，團隊成功研製出全球首個深度學習專用處理器晶片「寒武紀」；2016年寒武紀科技在北京、上海註冊成立。

2016年，寒武紀就發布了全球首款商用深度學習處理器「寒武紀1A」，包含了全球首個人工智慧專用指令集Cambricon ISA，具有完全自主智慧財產權，理論峰值性能1GHz，支持視覺、語音、自然語言處理等多種智能任務。

2017年，寒武紀授權華為海思使用寒武紀1A處理器，搭載於麒麟970晶片和Mate 10系列手機中

2017年8月，寒武紀科技宣布完成A輪融資，由聯想創投、阿里巴巴創投、國投創業，國科投資、中科圖靈、元禾原點（天使輪領投方）、涌鏵投資（天使輪投資方）聯合投資。

A輪融資使得寒武紀成為AI晶片領域的首個獨角獸企業。

2017年11月，寒武紀又發布了新款智能處理器。

首先是1A處理器的升級版，擁有更高性能的寒武紀1H16處理器。

另一款產品是面向視覺領域的1H8處理器，有4種配置可選，主打拍照輔助、圖片處理、安防監控，性能功耗比是1A處理器的2.3倍。

今年5月3日，寒武紀在上海發布了新一代終端 IP 產品，採用7nm工藝的終端晶片Cambricon 1M、首款雲端智能晶片MLU100以及搭載了MLU100的雲端智能處理計算卡。

第三代機器學習終端處理器1M其性能比此前發布的寒武紀1A高10倍。

配置方面，寒武紀1M使用台積電7nm工藝生產，其8位運算效能比達5 Tops/watt（每瓦 5萬億次運算）。

寒武紀提供了2Tops、4Tops、8Tops三種尺寸的處理器內核，以滿足不同場景下不同量級智能處理的需求。

而MLU100採用寒武紀最新的MLUv01架構和台積電16nm工藝，可工作在平衡模式（主頻 1Ghz）和高性能模式（主頻1.3GHz）兩種不同模式下，等效理論峰值速度則分別可以達到128萬億次定點運算和166.4萬億次定點運算，而其功耗為80w和110w。

寒武紀介紹，MLU100雲端晶片同樣具備高通用性，可支持各類深度學習和常用機器學習算法，他們還提出「端雲協作」的理念，也就是說，MLU100雲端晶片可以和寒武紀1A/1H/1M系列終端處理器進行適配，協同完成複雜的智能處理任務。

百度「崑崙」AI晶片

2018年7月4日，在第二屆百度AI開發者大會上，百度創始人、董事長兼執行長李彥宏重磅發布自主研發首款雲端全功能AI晶片——「崑崙」

「崑崙」是中國在大規模AI運算實踐中催生出的晶片，基於百度8年的CPU、GPU和FPGA的AI加速器的研發，20多次疊代而生，是中國AI晶片的又一里程碑。

「崑崙」晶片的主要參數為：14nm 三星工藝；260Tops性能；512GB/s內存帶寬；100+瓦特功耗，由幾萬個小核心構成。

綜合來看，「崑崙」擁有高性能、高性價比、易用3大特點：

• （1）高效：針對語音、NLP、圖像等專門優化；
• （2）低成本：同等性能下成本降低10倍；
• （3）易用：支持paddle等多個深度學習框架；編程靈活度高；靈活支持訓練和預測。
  
  

據了解，「崑崙」是迄今為止業內設計算力最高的AI晶片（100+瓦特功耗下提供260Tops性能），可高效地同時滿足訓練和推斷的需求，除了常用深度學習算法等雲端需求，還能適配諸如自然語言處理，大規模語音識別，自動駕駛，大規模推薦等具體終端場景的計算需求。

而百度的AI晶片戰略將以開放生態合作的方式來推進。

未來，百度將面向智能汽車、智能設備，語音圖像等更多場景，持續打造AI時代的中國「芯」力量。

雲知聲AI晶片「UniOne」

根據云知聲的表示，UniOne是雲知聲的晶片品牌，是一系列晶片的總稱。

今天發布的第一代晶片是「雨燕」產品，是第一款面向IoT人機互動場景的AI晶片，面向智能家居和智能音箱，主要是由語音AI切入DNN/LSTM/CNN。

而第二代晶片「雪豹『預計將於明年發布，面向智能車載領域，主打多模態、車規級，對算力的數量級提升；第三代晶片」旗魚「預計將於2020年推出，面向智慧城市領域，將提供通用的AI邊緣算力。

另外，雲知聲不僅提供晶片，還將提供一體化的雲端芯產品級解決方案，對接AI雲服務、AI軟體方案商、晶片原廠等。

在本次發布會上，雲知聲還公布了與兩家公司的戰略合作。

會上，雲知聲宣布與京東Alpha平台合力打造定製化智能標杆產品，並聯手億咖通科技共同研發汽車前裝車規級AI晶片，構造以語音為核心的座艙交互平台。

出門問問AI語音晶片」問芯」

「問芯 Mobvoi A1」一站式軟硬結合語音解決方案將解決軟體 SDK 賦能廠家所面臨的 3 大難題：即集成難度大、調試周期長、溝通成本高。

據了解，「問芯」集成了出門問問的麥克風陣列信號處理技術，語音交互 SDK 與可定製語義技能，其中包括了公司長期積累的回聲消除、聲源定位、波束成形、語音降噪、語音喚醒、語音識別、語義理解與語音合成等自有 AI 語音交互核心技術。

可以為核心應用場景智能電視、機頂盒與機器人提供一站式、集成難度小、調試周期短、溝通成本低的 AI 語音交互解決方案。

中國AI晶片想要趕超，還有很長的路要走

總體來看，中國公司在全球AI晶片排行榜上的席位已不少，但是如果想要達到世界領先水平，甚至趕超英偉達、英特爾、恩智浦等還有很長的路要走。

首先，發展國產晶片對長期研發投入的積累和高忍耐度。

這種長期投入一方面體現在重資金投入和高產出的正向循環；另一方面體現在微架構設計、底層作業系統的設計能力上。

其次，中國如果想在AI晶片領域趕超國際對手，必須在一個垂直領域做得非常深，而且要真正做到全棧的東西給到用戶，能讓它真正應用。

再次，長期來看，國內廠商必須進行硬體開發者生態的培育。

Intel和MS在國內高校多年發展課程體系、認證體系、生態培育體系，國內企業鮮有如此跨級戰略操作。

本文整理來源於網絡